Enseanza Y Aprendizaje De La Estadstica: Mitos Y Barreras.

Roberto Behar G.1

1. Introduccin.
La problemtica de la enseanza y el aprendizaje de la estadstica, no tiene fronteras. Los sntomas que producen preocupacin son los mismos en todo el mundo. Muchos autores de diferentes latitudes como Garfield y Ahlgren (1989), Garfield (1991), Dallal (1990), Hey (1983), Hogg(1991), Ruberg (1992), Freedman (1991), Efron y Tibshirani (1993), Kempthorne (1980), Rosenthal (1992), han puesto en evidencia rasgos que caracterizan esta problemtica. Se habla por ejemplo de la angustia y de la ansiedad que se genera en los cursos de estadstica, que no suele presentarse en otros cursos. Es frecuente que las personas que han tomado un curso de estadstica desarrollen una actitud negativa hacia la estadstica al percibir su curso como montono y aburridor y desarrollar un sentimiento de frustracin cuando al final del curso el estudiante no se siente en capacidad de abordar problemas que se relacionan con el mundo real. Hogg (1991), ilustra esta situacin al decir Los estudiante frecuentemente ven la estadstica como el peor curso de su carrera. Muchos de nosotros, somos psimos profesores y nuestros esfuerzos por mejorar son muy tmidos. Hey (1983), expresa: Por muchos aos he sido profesor de los cursos introductorios de estadstica y econometra para estudiantes de economa. Como muchos profesores y estudiantes, soy consciente, que esta puede ser una dolorosa experiencia para todos. Muchos estarn familiarizados con la bsqueda, aparentemente sin fin, de maneras de reducir el dolor, rediseando los cursos, usando diferentes textos o escribiendo nuevos, pero los cambios, a menudo son puramente cosmticos, con el problema fundamental invariante. Como parte del diagnstico, se reconoce que la educacin que reciben los estudiantes est basada normalmente en una lgica determinstica y que en el curso de estadstica deben desarrollar una nueva lgica que en algunos aspectos puede reir con la que ha desarrollado el estudiante. Los profesores al ejercer su rol y los estudiantes en el proceso de aprendizaje, tenemos ciertas aprehensiones y prejuicios construidos y consolidados a travs del tiempo, que pueden constituirse en limitaciones al momento de dirigir le proceso en el caso del profesor o de realizar su aprendizaje en el caso del estudiante. En este articulo se hace referencia a esas limitaciones como mitos y barreras. El diccionario Larousse, define mito como: cosa que no tiene realidad concreta. Esta definicin se acomoda bastante bien a algunos prejuicios que se forman las personas que en no han sido debidamente contrastados con la realidad. Por otro lado, el mismo diccionario define barrera como: Lo que separa. Impedimento, Obstculo. En nuestro caso podra
Profesor Titular. Escuela de Ingeniera Industrial y Estadstica. Universidad del Valle. E-mail: rbehar@pino.univalle.edu.co
1

pensarse que los mitos o prejuicios de estudiantes y profesores, pueden convertirse en barreras, en obstculos que sobre simplifiquen la realidad y que pueden impedir el aprendizaje o hacer ineficiente los esfuerzos de profesor y/o estudiantes.

2. Algunos mitos relacionados con la enseanza.

Ramsden (1992), pone en evidencia algunas creencias que tenemos los profesores que pueden afectar la manera como se relaciona el profesor con el estudiante y que define en cierta forma el contexto de enseanza. A continuacin se presentan algunos de ellos. Algunos profesores creen que como el aprendizaje es, al fin y al cabo, responsabilidad del estudiante, entonces la enseanza efectiva es un fenmeno indeterminado. Aunque es claro que por su complejidad, no puede definirse a priori, una estrategia que corresponda a la mejor manera de ensear, para todos los contenidos temticos, para todo tipo de estudiante y para cualquier contexto de enseanza, no puede deducirse de esta verdad de perogrullo, que no existen unas formas mejores que otras de ensear o que no existan unos principios generales de enseanza que propicien un buen contexto de aprendizaje. Otro mito muy corriente es pensar que como la parte del tiempo que el profesor esta en contacto con el estudiantes es tan pequea, comparada con el tiempo que el estudiante esta fuera de su contacto, entonces la enseanza no es un factor tan importante. Se cree que ya en la universidad el estudiante debe dejarse suelto y con poca supervisin para no reforzar los malos hbitos de dependencia que se generan en la secundaria. Este mito surge de la creencia de que la enseanza y el aprendizaje son cosas separadas, la funcin del profesor es ensear y por otra parte es tarea del estudiante aprender. Segn este mito, es responsabilidad exclusiva del estudiante entender y aplicar las habilidades expuestas en clase, si los estudiantes no aprenden es porque ellos tienen dificultades y la enseanza no puede ser culpada por eso, pues al fin y al cabo los estudiantes ya estn en la universidad. En virtud de esta creencia, algunos profesores sienten que ellos hacen las cosas mucho mejor que sus profesores de secundaria, pues con esta actitud les estn ayudando a los estudiantes a ser independientes y no alimentarlos a cucharaditas como sus antiguos profesores. En estadstica, se puede materializar este mito en un curso introductorio, por ejemplo, cuando un profesor ensea la temtica de valor esperado, con un enfoque matemtico, de la misma manera, independiente del plan de estudios de sus estudiantes, argumentando que la matemtica es misma para todos y cada cual deber encargarse de ver su utilidad en su campo. Otra falacia muy corriente en la educacin superior es que ensear en los cursos de pregrado es ms fcil que ensear en los cursos de postgrado, por esa razn los profesores mas experimentados deben estar en los cursos mas avanzados, mientras que para los cursos bsicos pueden ir profesores novatos. Este mito supone que el conocimiento de la materia es condicin necesaria y suficiente para una buena enseanza. Otro mito muy corriente, sobre todo en estadstica, es que el estudiante viene vaco de conocimientos al curso y que el profesor lo va llenado poco a poco, alguna terminologa del lenguaje es consistente con esta creencia, se habla de asimilar o de digerir le conocimiento, se habla de transmitir el conocimiento a los estudiantes, lo cual supone una transferencia del conocimiento desde donde lo hay, el profesor, hacia donde no lo hay, el estudiante. Aqu se concibe el conocimiento como cpsulas que se dosifican a lo largo

del curso, informacin descontextualizada que se ofrece de manera lineal, con la esperanza de que el estudiante la digiera, lo que probablemente signifique, que es responsabilidad del estudiante encontrar relacin entre los temas y entre estos y el mundo real. Otro mito, consiste en creer que existe buena enseanza independientemente de los logros en trminos del aprendizaje, es decir, que los juicios sobre buena enseanza, se pueden establecer solo escuchando las clases del profesor, sin evaluar el aprendizaje de los estudiantes. Es algo as, como juzgar un buen director tcnico de un equipo de ftbol, con solo escuchar las charlas que da a sus jugadores y con asistir a sus entrenamientos, pero ignorando por completo los resultados de los partidos que juegan sus pupilos. Esto no quiere decir, que no existan unos principios bsicos de enseanza que propicien un buen contexto para el aprendizaje, como ms tarde se expresar. Otro mito muy extendido, sobre todo en profesores de matemticas y de estadstica, es pensar que problemas de comprensin de conceptos se resuelven aumentando la dosis de ejercicios y problemas a resolver. Si bien es cierto que para desarrollar ciertas habilidades operativas, la repeticin puede ser un camino razonable, para comprender ciertos conceptos hace falta mucho mas que eso, analogas, un enfoque holstico que le permita establecer relaciones entre las distintas componentes conceptuales que intervienen; sondear los conocimientos previos requeridos por el estudiante, la terminologa, las convenciones, el lenguaje simblico. Este tema esta relacionado con otro mito muy frecuente y es de creer que todos los estudiantes aprenden de la misma forma y en el mismo tiempo, lo cual no es cierto, pues mientras algunos encuentran muy natural el lenguaje simblico de la matemtica, para otros los propios smbolos son su tormento y cuando la clase se desarrolla casi enteramente con base en la simbologa matemtica, ellos estn como recibiendo la clase en chino. Otros estudiantes son muy afines a la metfora y la analoga, al enfoque sistmico, holstico, son sensibles a la representacin audiovisual. Con respecto a la diversidad en el ritmo de aprendizaje, podra considerarse distintas opciones metodolgicas que sean robustas a esta variedad en los estilos de aprendizaje, sin pretender simplificar en exceso, al reducir simplistamente el panorama del aprendizaje a esta nica dimensin. Con respecto a la creencia de que el estudiante viene vaco al empezar el curso introductorio de estadstica, existen reportes en la literatura sobre el aprendizaje relacionado con fenmenos que presentan aleatoriedad, que desmienten esta creencia, pues aun cuando le estudiante en la secundaria, no haya tomado clases de estadstica, si se ha enfrentado muchas veces al azar que el propicia la vida cotidiana y le ha correspondido tomar decisiones en ambiente de incertidumbre. Los principios en los cuales se basa el ser humano para preferir unas opciones aleatorias sobre otras ha venido siendo estudiado por psiclogos, educadores y estadsticos preocupados por la pedagoga, obteniendo resultados que son verdaderamente sorprendentes.

3. Algunas preconcepciones que pueden convertirse en barreras.

En este sentido, Khaneman, Slovic y Tverky (1982), hacen planteamientos, basados en numerosas investigaciones empricas, sobre el impacto de algunas intuiciones de los seres humanos, que ellos llaman heursticas de la representatividad, mediante las cuales se hacen juicios bajo incertidumbre que conducen a asignacin de probabilidades que

presentan sesgos o que violan algunos principios de la lgica estocstica. Sorprendentemente, estas preconcepciones tiene tal arraigo, que muchas de ellas permanecen an despus de altos niveles de formacin en la temtica estocstica. Dicen los autores que con frecuencia tomamos decisiones basadas en creencias sobre la probabilidad de ciertos eventos inciertos. Estas creencias son del tipo: Yo creo que...; La probabilidad de que..., Es muy poco probable que..., normalmente tales creencias son expresadas a travs de nmeros mediante las llamadas probabilidades subjetivas. Qu determinan tales creencias? Cmo evala la gente la probabilidad de un evento incierto o el valor de una cantidad incierta? Los mencionados autores afirman que la gente confa en un nmero limitado de principios heursticos, los cuales reducen las tareas complejas de evaluacin de probabilidades y prediccin de valores a tareas ms simples procedimientos de juicio, en general estas heursticas son muy tiles, pero algunas veces conducen a graves errores sistemticos. Entre estos principios de reduccin o simplificacin, se encuentran las heursticas de representatividad. Heursticas de representatividad Muchas de las situaciones probabilsticas con las cuales se enfrenta la gente, pertenecen a uno de los siguientes tipos: Cul es la probabilidad de que el objeto A pertenezca a la clase B?. Cual es la probabilidad de que el objeto A se haya originado del proceso B?. Cul es la probabilidad de que el proceso B haya originado el evento A?. Para responder a esta preguntas, la gente normalmente confa en las heursticas de representatividad, mediante las cuales asignan probabilidades de acuerdo con el grado en que A es representativo de B, es decir, el grado en que A se parece a B. As, si A es altamente representativo de B, entonces la probabilidad de que A se origine de B es juzgada como alta. Por otro lado si A no es similar a B, la probabilidad de que A se origine de B se juzga como baja, ignorando factores importantes que podran afectar dicho juicio. Kahneman, Slovic y Tversky (1982), en el captulo 6 de su libro, se refieren a la relacin de representatividad como una relacin entre un proceso o modelo, M, y alguna instancia o evento, X, asociado con el modelo. Esta relacin es direccional: decimos que una muestra es ms o menos representativa de una poblacin particular o que un acto es representativo de una persona. Normalmente no decimos que una poblacin es representativa de una muestra o que una persona es representativa de un acto. En algunos problemas, sin embargo, es posible reversar los roles de modelo y resultado. Por ejemplo, uno podra evaluar si una persona es representativa de un estereotipo de libreros o si la ocupacin de librero es representativa de una persona. Estos autores distinguen cuatro casos bsicos en los cuales se invoca corrientemente el concepto de representatividad: M es una clase y X es un valor de una variable definida en esta clase. En este sentido se habla de valores ms (o menos) representativos del ingreso de profesores universitarios o de la edad para casarse en una cultura determinada. Naturalmente, la mayora de los valores representativos, estarn cercanos a la media, la mediana, o la moda de la distribucin relevante para las unidades de la clase M. La relacin de representatividad

en este caso, estar dada por lo que el juicio conoce sobre la distribucin de frecuencia de la variable relevante. 1. M es una clase y X es una instancia de esa clase. Muchas personas (especialmente los Colombianos), probablemente juzgarn al escritor Garca Mrquez ms representativo de los escritores colombianos que Gustavo Gardeazbal (un escritor del mbito nacional). O cuando se habla del tpico mejicano, se trae a la mente al charro, con traje ajustado, con amplio sombrero y dispuesto a cantar una cancin ranchera. Este juicio no tiene su base en la frecuencia, pues casi con seguridad hay muchos ms escritores colombianos con las caractersticas de Gardeazbal y muchsimos menos con las de Garca Mrquez. En el otro caso, sabemos que los mejicanos con la descripcin realizada, son una minora. Luego aqu una instancia es representativa de una categora, si tiene caractersticas esenciales que son compartidas y no tiene muchas caractersticas distintivas que no sean compartidas por los miembros de su categora. Kahneman, Slovic y Tversky (1982) citan trabajos de investigacin de otros autores sobre formacin de conceptos, memoria semntica y patrones de reconocimiento que han mostrado que la mayora de los elementos representativos o prototpicos de una categora, son mejor aprendidos, recordados y reconocidos que otros elementos que son ms frecuentes pero menos representativos. Sin embargo, dicen, muchas personas a menudo se equivocan al reconocer, un estmulo prototpico que nunca ha sido mostrado. La representatividad en estos casos, puede sesgar la memoria de reconocimiento, tanto como el juicio por frecuencia. Plantean, que vale la pena destacar que hay dos maneras mediante las cuales un elemento puede ser altamente representativo de una clase. Los dos sentidos de representatividad corresponden estrechamente con las relaciones de tpico y prototpico. Un elemento es altamente representativo de una categora si es tpico o modal. Tambin puede ser representativo si es de un tipo ideal que materializa la esencia de la categora. Una prototpica mujer francesa puede ser muy distinta de la tpica mujer francesa. La primera es probablemente una joven y elegante parisina, mientras que la segunda muy probablemente puede ser una rechoncha mujer de mediana edad de la provincia. Igual ocurre en el caso del mexicano, en el primer caso es un hombre alto con patillas y bigote bien cuidados, con poco mestizaje, grande sombrero de charro, traje bordado en oro y ajustado y dispuesto a cantar un corrido, mientras que el mexicano tpico podra ser de mediana o baja estatura, lampio, rasgos marcadamente indgenas, de aspecto humilde . 2. M es una clase y X es un subconjunto de M. El criterio de representatividad no es el mismo cuando X es una sola instancia a cuando es un subconjunto, porque cuando se tiene una sola instancia, esta solo puede representar la tendencia central de atributos, mientras que en un subconjunto esta presente el rango y la variabilidad. Un hombre cuya estatura, peso, edad e ingresos se parecen al promedio de un pas, puede fcilmente ser considerado como representativo de dicho pas. Un grupo de 100 hombres, con exactamente las mismas caractersticas del primero, fallara en la representacin de la variabilidad de dichos atributos. Si la Clase M consta de distintos grupos, tal que la variabilidad dentro de cada grupo, es muy pequea, comparada con la variabilidad entre grupos, se tiende a considerar cada grupo como una instancia individual, es decir como un individuo, en lugar que un grupo. As por ejemplo si en el conjunto de las aves, se hace referencia a la gallina, se piensa como un individuo, no

obstante que ella representa al conjunto de las gallinas. En forma ms general puede mirarse la situacin (2) como un caso especial de (3) en el cual X consiste en un conjunto unitario. Anlogamente (1) puede ser considerado como una versin unidimensional de (2). Los tres tipos de representatividad se diferencian en la complejidad de X: (1) es un solo atributo y un solo individuo. (2) es mltiple atributo, un solo individuo y (3) es uno o mas atributos en varios individuos. Un caso especialmente importante de representatividad de un subconjunto surge cuando dicho subconjunto es una muestra aleatoria de una poblacin especifica. Una muestra aleatoria se espera represente la aleatoriedad del proceso de seleccin, no solo las caractersticas de la poblacin de la cual es extrada. Por ejemplo: si se toma una muestra aleatoria de 100 personas de una poblacin en la que la proporcin de hombres y mujeres es 50-50, puede aparecer ms representativa una que arroja 53 hombres y 47 mujeres que una que resulta en 50 hombres y 50 mujeres, debido a que la primera representa la irregularidad del muestreo aleatorio, mientras que la segunda no. 3. M es un sistema (una causa) y X es una (posible) consecuencia. Este caso se diferencia de los anteriores en que M antes era una clase de objetos o de instancias y ahora es un sistema que produce varios efectos. Por ejemplo M puede ser la economa de un pas y X ser la tasa de inflacin. M puede ser una persona y X un acto realizado por ella, por ejemplo, divorcio, suicidio, la eleccin de una profesin. Aqu X es representativo de M bien porque es frecuentemente asociado con M (Ej: fiebre alta casi siempre acompaa a la neumona) o bien debido a que la gente cree correcta o incorrectamente que M causa X. (Ej: La pena de muerte previene el secuestro). En sntesis, una relacin de representatividad puede ser definida por (1) Un valor y una distribucin. (2) Una instancia y una categora. (3) Una muestra y una poblacin. (4) Un efecto y una causa. En los cuatro casos la representatividad se expresa como el grado de correspondencia entre X y M, pero sus determinantes no son iguales en los cuatro casos. En el caso (1), la representatividad esta dominada por la percepcin de la frecuencia relativa o asociacin estadstica. En los casos (2) y (3), la representatividad est determinada primariamente por la similaridad, de una instancia a otras instancias o de muestras estadsticas a los correspondientes parmetros de la poblacin. El caso (4) la representatividad es controlada en gran manera por las creencias causales (vlidas o no). Prximamente presentar los resultados de una investigacin emprica sobre esta temtica aplicada tanto a estudiantes como a profesores de estadstica.

4. Restricciones al sistema educativo que pueden constituirse en barreras para el proceso de enseanza aprendizaje.
Es sabido que la diferencia entre un enfoque profundo y un enfoque superficial hacia el aprendizaje puede estar en haber desarrollado o no, motivacin intrnseca, es decir autentico inters y compromiso por las temticas objeto del aprendizaje. A tal punto es cierta esta afirmacin, que algunos autores expertos, han llegado a la conclusin que sin motivacin intrnseca es imposible un enfoque profundo, no obstante que con ella, se aumentan las posibilidades de lograrlo, pero no se garantiza el aprendizaje, es decir es condicin necesaria, pero no suficiente.

Mucho se expresa sobre la importancia de la motivacin del estudiante, paradjicamente, se afirma que esta depende mucho de la actitud y relacin estudiante-profesor y dicha actitud depende del grado de motivacin del profesor. Esto hace mas compleja la problemtica, pues aun en el caso en que conociramos los cambios que es necesario hacer en el contexto de enseanza, para hacerlos se requerira de la conviccin del profesor. Esta motivacin del profesor, puede excepcionalmente venir por apostolado, pero en la mayora de los casos, las restricciones del medio ambiente que rodea el proceso tiene bastante responsabilidad en ello. Algunas de estas restricciones que podran convertirse en barreras, estn relacionadas con las polticas institucionales, as por ejemplo, una poltica de asignacin de carga acadmica, que obligue al profesor a dictar muchos cursos, implica en la prctica que el profesor no dispondr del tiempo necesario para pensar en evaluar apropiadamente sus cursos, para inferir algunos cambios que puedan mejorar el aprendizaje de sus estudiantes, tender a sistematizar sus cursos para cumplir con los requerimientos administrativos. Sus labores de evaluacin se convertir en simple calificacin, desprovista de la riqueza cualitativa que le permita su auto mejora y la del proceso. El sistema de evaluacin estar de acuerdo con el tiempo disponible. Las polticas de ascenso y mejora en el escalafn profesoral pueden afectar de manera considerable, pues en muchas universidades, el mayor peso lo tiene la investigacin y las publicaciones y se le asigna muy poco peso o ninguno a la calidad del aprendizaje de los estudiantes, pues se llega al extremo que los cursos no son evaluados de ninguna manera y si se hace es mas con propsitos administrativos y punitivos que con la idea de mejorar el aprendizaje. En este ambiente, el profesor tender a invertir menos tiempo en la labor docente y mas tiempo en lograr publicaciones que le mejoren su status. La disponibilidad de recursos, es otra posible restriccin, pues esto hace que los cursos sean muy numerosos, limitando el abanico de posibilidades, en cuanto a estrategias que impliquen interaccin con los estudiantes o supervisin individual. En algunas unidades acadmicas, que ofrecen masivamente los cursos introductorios de estadstica, se estandariza la logstica a tal punto que todos deben usar las mismas transparencias y al mismo ritmo, esto tiene grandes ventajas desde el punto de vista administrativo, pues cuando por fuerza mayor falta un profesor, cualquiera puede sustituirlo, inclusive sin preguntarle que temas a cubierto, pues basta con mirar el almanaque para saber que tema sigue, no obstante esto podra constituirse en una barrera que limite la libertad de ctedra, es decir, la forma particular de concebir el proceso. Los exmenes no los disean los profesores respectivos, sino una comisin de evaluacin que consulta los profesores, pero se realiza un nico examen a los estudiantes de todos los grupos. Esto tiene la ventaja de la comparabilidad, que hace que un profesor se evale frente a sus colegas, a travs de los resultados relativos de sus estudiantes, pero que restringen la posibilidad de usar la evaluacin como un medio de aprendizaje y retroalimentacin del proceso. Los profesores de estadstica, a diferencia de muchas otras disciplinas, provienen de muchas formaciones distintas, desde la matemtica, la ingeniera, la economa, la psicologa, ciencias de la salud, etc. Durante muchos aos, la docencia de la estadstica, fue patrimonio casi exclusivo de los matemticos, hoy, la situacin a variado un poco, pero los

departamentos de matemticas imparten la docencia en estadstica en muchas universidades. Esto que parece una sutileza, en realidad no lo es, pues la formacin supone ciertos valores especficos, que puede influenciar las estrategias de enseanza e inclusive sus contenidos. As por ejemplo, un matemtico, valora la demostracin rigurosa, valora le mtodo deductivo, podra tender a menospreciar el valor de las conclusiones que se obtienen mediante el proceso inductivo de inferencia. La matemtica se asocia con solucin nica a un problema, mientras que en la estadstica puede haber varias respuestas correctas, de acuerdo con los enfoques que se den a un problema y las simplificaciones que se considere plausible hacer de la realidad. La matemtica es una ciencia formal, que puede existir y desarrollarse al margen de la realidad, mientras que la estadstica la enseamos para que el estudiante involucre nuevos paradigmas, que le son tiles al enfrentar una realidad en la cual la incertidumbre es parte esencial. El currculo podra estar mas orientado hacia la probabilidad, poco anlisis exploratorio de datos y pocas aplicaciones al mundo real. Por otra parte, un ingeniero, por su formacin de trabajo con heursticas, podra injustamente menospreciar la componente matemtica, dando un nfasis a lo practico, cayendo en el pragmatismo patolgico, pues no hay buena prctica sin buena teora. Donde est el equilibrio?. Este es un reto que aun no esta resuelto. Cual es la mejor manera de usar las 48 o las 96 horas disponibles? Si hablamos del estudiante, podemos pensar en la restriccin econmica, que hace que en la prctica no sea un estudiante de tiempo completo, no obstante que el currculo fue diseado con el supuesto de dedicacin de total. Como se ve, las oportunidades de mejora tienen sus restricciones que directamente del profesor, sin embargo, hay mucho por hacer. no dependen

Como ya dijimos adelante, aunque no existe la mejor manera de ensear, si existen criterios generales plausibles, sobre lo que significa una buena enseanza.

5. Que significa una buena enseanza?

Ramsden (1982), afirma que una gran meta, es anteponer la realidad a la mitologa, al intentar conocer cuales deben ser las caractersticas de una enseanza universitaria efectiva. Este es un asunto muy complicado. Como resultado de investigaciones desde varias pticas, incluyendo escuelas de pedagoga, se han sacado las coincidencias. Estas soportan, dice Ramsden, los que los buenos profesores han estado diciendo y haciendo desde tiempos inmemoriales. Entre las propiedades ms importantes que se atribuyen a una buena enseanza, vistas a travs del profesor estn: Un deseo de compartir con los estudiantes su amor por la materia. Una habilidad para hacer estimulante e interesante el material que esta siendo enseado. Una facilidad para compatibilizar la manera de expresar los contenidos con le nivel de entendimiento que tienen los estudiantes. Mostrar inters y respeto por los estudiantes. Compromiso para estimular a la independencia de los estudiantes.

Habilidad para improvisar y adaptarse a nuevas demandas. Usar los mtodos de enseanza y tareas acadmicas que se requieran para que los estudiantes aprendan activamente, responsablemente y cooperativamente. Usar mtodos vlidos de evaluacin. Enfoque sobre los conceptos clave y sobre las concepciones errneas de los estudiantes, en lugar de preocuparse por el cubrimiento de los temas a cualquier costo. Dar retroalimentacin de la ms alta calidad sobre el trabajo de los estudiantes. Un deseo por aprender de los estudiantes y de otras fuentes acerca de los efectos de la enseanza y como pueden ser mejorados

6. Bibliografa.
Dallal, Gerard E (1990). "Statistical Computing Packages: Dare We Abandon Their Teaching to Others?". The American Statistician, November 1990, Vol. 44, No. 4, p. 2656. Efron, Bradley and Tibshirani, Robert J. (1993). An Introduction to the Bootstrap Chapman and Hall. New York. Freedman, David, Robert Pisani, Roger Purves, and Ani Adhikari. (1991). Instructor's Manual for Statistics. Norton (second edition) New York. Garfield and Ahlgren (1989). Difficulties in Learning Basic Concepts in Probability an Statistics: Implications for Research. Journal in research of mathematics Education, 19, 44-63. Garfield, B. Joan (1991), "Reforming the Introductory Statistics Course" paper presented at the American Educational Research Association Annual Meeting, Chicago. Hey, John D.(1983). Data in Doubt: An Introduction to Bayesian Statistical Inference for Economists Martin Robertson. Oxfford. Hogg, Robert V(1991). "Statistical Education: Improvements are Badly Needed". The American Statistician, vol. 45, Nov. 1991, 342-343. Kahneman, D., Slovic P., Tversky A. (Eds) (1982). Judgment Under Uncertainty: Heuristics and Biases. New York: Cambridge University Press. Kempthorne, Oscar (1980). "The Teaching of Statistics: Content Versus Form" The American Statistician, February, vol. 34, no. 1, pp. 17-21. Rosenthal (1992)."No mas sadstica, no mas sadisticos, no mas vctimas editorial de la Journal UMAP. Ruberg, Stephen J.(1992) Biopharmaceutical Report, Vol 1, Summer.